一种非常深度神经网络的自动加层训练方法

发明专利无效专利

申请号：
CN201710002088.4
IPC分类号：G06N3/08
申请日期：
2017-01-03
申请人：
中国科学院声学研究所;上海尚恩华科网络科技股份有限公司

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	一种非常深度神经网络的自动加层训练方法
申请号	CN201710002088.4	申请日期	2017-01-03
法律状态	驳回	申报国家	中国
公开/公告日	2018-07-10	公开/公告号	CN108268949A
优先权	暂无	优先权号	暂无
主分类号	G06N3/08 ? IPC结构图谱： G 物理 G0 仪器 G06 计算；推算；计数 G06N 基于特定计算模型的计算机系统〔7〕 G06N3/00 基于生物学模型的计算机系统（仿真生物的功能方面的模拟计算机入G06G 7/60）〔7〕 G06N3/02 采用神经网络模型（用于自适应控制的入G05B 13/00；用于图像模式匹配的入G06K 9/00；用于图像数据处理的入G06T 1/40；用于语音模式匹配的入G10L 15/16）〔7〕 G06N3/08 学习方法〔7〕	IPC分类号	G;0;6;N;3;/;0;8查看分类表>
申请人	中国科学院声学研究所;上海尚恩华科网络科技股份有限公司	申请人地址	北京市海淀区北四环西路21号变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	中国科学院声学研究所,上海尚恩华科网络科技股份有限公司	当前权利人	中国科学院声学研究所,上海尚恩华科网络科技股份有限公司
发明人	盛益强;李南星;赵震宇
代理机构	北京方安思达知识产权代理有限公司	代理人	王宇杨;杨青

摘要

本发明涉及一种非常深度神经网络的自动加层训练方法，包括：步骤1)、确定训练集、非常深度神经网络的初始结构，并对所述非常深度神经网络及相关参数进行初始化；步骤2)、训练非常深度神经网络并修改其误差率饱和状态；步骤3)、判断非常深度神经网络的误差率饱和状态，若误差率饱和状态的值为0，重新执行步骤2)，若误差率饱和状态的值小于附加层有效窗口的大小，执行步骤4)，若误差率饱和状态的值等于附加层有效窗口的大小，执行步骤5)；步骤4)、若非常深度神经网络的当前深度满足用户设定的最大深度，执行步骤5)，否则对当前非常深度神经网络执行加层操作，然后重新执行步骤2)；步骤5)、输出该非常深度神经网络，训练结束。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供